近年来,关于挖掘潜在的组合调控模块的研究得到了广泛的关注和发展。这主要得益于组合调控模块的研究在一定程度上可以揭示特征之间的内在组合调控机制。现在关于这方面的研究主要集中在基因组学领域,例如基因与基因之间、蛋白质与基因之间的关联研究等,这对自身功能的理解具有很大的研究价值。考虑到目前应用场景具有一定的局限性,本文以“产品设计创新要素分析”和“我国交通运输科技投入与产出分析”为例,在多重回归问题研究的基础上,进一步挖掘系数矩阵中潜在的关联子模块,进而对其内在作用机制的相似性展开研究。本文通过建立一个两阶段算法模型来识别不同特征组之间的关联关系,即第一阶段,基于响应变量、预测变量以及预测变量组信息,利用多输出稀疏组Lasso模型构建系数调控矩阵;第二阶段,基于该系数调控矩阵,利用凸双向聚类模型得到“响应变量一预测变量”全局最优关联子模块。数值模拟显示,该两阶段算法模型不仅可以借助第一阶段的多输出稀疏组Lasso模型筛选出重要的组变量及重要的组内变量,而且可以借助第二阶段的凸双向聚类模型得到“响应变量—预测变量”全局最优且稳定的关联子模块;实证应用显示,该两阶段算法模型可以挖掘出系数矩阵中潜在的关联子模块,在一定程度上揭示了响应变量和预测变量内在作用机制的相似性,同时也反映了本文提出的两阶段算法模型具有较强的实用性。